DOE avec des systèmes autonomes à réponse discontinueOn m'a récemment demandé d'aider à concevoir un plan d'expérience où la réponse Y n'est pas une fonction lisse et présente plusieurs discontinuités dans des plages de valeurs X très étroites. Quelqu'un a-t-il travaillé avec ce type de problème, et si oui, comment avez-vous conçu et analysé l'expérience?
Re: DOE avec les systèmes autonomes à réponse discontinueJ'espère que quelqu'un d'autre pourrait avoir une référence pour vous. Je n'en ai pas
J'ai eu deux cas où nous avons utilisé cette approche avec succès, mais je ne suis pas libre de divulguer l'un ou l'autre. Je peux dire que les deux ont réussi.
Si cela peut vous aider, vous pouvez considérer cette approche comme une présélection. Vous en savez si peu sur l’effet des facteurs et sur la nature de la réponse aux facteurs est si complexe que vous ne pouvez utiliser aucun plan de dépistage avant de connaître les fourchettes de facteurs de production. Cette approche identifiera cette information pour vous.
Re: DOE avec les systèmes autonomes à réponse discontinueMarque,
Merci pour la réponse rapide! J'ai utilisé la conception de remplissage d'espace et le processus gaussien, mais pas le réseau neuronal. Je suivrai votre conseil pour voir si je peux isoler une région restreinte. Après cela, il se peut que je doive faire plus d'espace en remplissant des conceptions avec des intervalles beaucoup plus petits.
J'apprécierais beaucoup si vous ou un membre de la communauté avez effectué ce type de travail, en particulier un document, une présentation, un journal, etc. sont disponibles pour le partage. De telles références m'aideraient à convaincre la direction plus facilement.
Merci encore.
Manny
Re: DOE avec les systèmes autonomes à réponse discontinueVous pourriez envisager d'utiliser un conception de remplissage d'espace , généralement requis dans les expériences sur ordinateur, pour échantillonner de manière adéquate l’espace de conception dans lequel il pourrait y avoir de grandes discontinuités dans la réponse entre les points de conception. Les méthodes de conception habituelles pour le modèle linéaire (conception personnalisée, par exemple) peuvent s'avérer peu pratiques et inefficaces, car elles nécessiteraient des polynômes d'ordre très élevé, qui souffriraient encore d'un manque d'ajustement important.
Vous pouvez utiliser le Processus gaussien modèle ou un réseau neuronal artificiel modèle d'exploration et d'interprétation. Dans ce cas, si l'espace de conception d'origine sert uniquement à la projection, vous pouvez utiliser le modèle exploratoire pour isoler une région restreinte de l'espace de conception initial pour une nouvelle expérience utilisant une méthode de conception classique dans laquelle vous pouvez vous appuyer sur le modèle linéaire. Là encore, ces modèles peuvent être assez précis et une collecte de données supplémentaire peut être injustifiée.
